码迷,mamicode.com
首页 > 其他好文 > 详细

数据结构化与保存

时间:2018-04-18 21:15:54      阅读:138      评论:0      收藏:0      [点我收藏+]

标签:class   学生   news   etc   str   sqli   ==   query   --   

1. 将新闻的正文内容保存到文本文件。

2. 将新闻数据结构化为字典的列表:

  • 单条新闻的详情-->字典news
  • 一个列表页所有单条新闻汇总-->列表newsls.append(news)
  • 所有列表页的所有新闻汇总列表newstotal.extend(newsls)

3. 安装pandas,用pandas.DataFrame(newstotal),创建一个DataFrame对象df.

4. 通过df将提取的数据保存到csv或excel 文件。

5. 用pandas提供的函数和方法进行数据分析:

  • 提取包含点击次数、标题、来源的前6行数据
  • 提取‘学校综合办’发布的,‘点击次数’超过3000的新闻。
  • 提取‘国际学院‘和‘学生工作处‘发布的新闻。
  • 进取2018年3月的新闻

6. 保存到sqlite3数据库

import sqlite3
with sqlite3.connect(‘gzccnewsdb.sqlite‘) as db:
df3.to_sql(‘gzccnews05‘,con = db, if_exists=‘replace‘)

7. 从sqlite3读数据

with sqlite3.connect(‘gzccnewsdb.sqlite‘) as db:
df2 = pandas.read_sql_query(‘SELECT * FROM gzccnews05‘,con=db)
print(df2)

8. df保存到mysql数据库

安装SQLALchemy
安装PyMySQL
MySQL里创建数据库:create database gzccnews charset utf8;

import pymysql
from sqlalchemy import create_engine
conn = create_engine(‘mysql+pymysql://root:root@localhost:3306/gzccnews?charset=utf8‘)
pandas.io.sql.to_sql(df, ‘gzccnews‘, con=conn, if_exists=‘replace‘)

MySQL里查看已保存了数据。(通过MySQL Client或Navicate。)

1.def writeNewsDetail(content):
    f = open(‘gzccnews.txt‘, ‘a‘, encoding=‘utf-8‘)
    f.write(content)
    f.close()

2.def getNewsDetail(url):
    resd = requests.get(url)
    resd.encoding = ‘utf-8‘
    soupd = BeautifulSoup(resd.text,‘html.parser‘)
    # print(resd.text)
    news = {}
    # 标题
    news[‘title‘] = soupd.select(‘.show-title‘)[0].text
    # 时间
    info = soupd.select(‘.show-info‘)[0].text
    # print(info)
    news[‘time‘] = datetime.strptime(info.lstrip(‘发布时间:‘)[0:19],‘%Y-%m-%d %H:%M:%S‘)
    # print(news[‘time‘])
    # 来源
    if info.find(‘来源:‘)>0:
        news[‘source‘] = info[info.find(‘来源:‘):].split()[0].lstrip(‘来源:‘)
    else:
        news[‘source‘] = ‘none‘
    # 点击次数
    news[‘clickCount‘] = int(getClickCount(url))
    news[‘newsUrl‘] = url
    # print(clickCount)
    # print(‘标题:‘ + ti + ‘ 时间:‘ + tim + ‘ 来源:‘ + source + ‘ 点击次数:‘ + clickCount + ‘ 链接: ‘ + url)
    # 正文
    # print(‘正文:‘)
    news[‘content‘] = soupd.select(‘.show-content‘)[0].text.strip()
    # cl = tuple(content)
    # df = cl.__str__()
    # print(news[‘content‘])
    writeNewsDetail(news[‘content‘])
    return(news)
    # for c in content:
    #     print(c)

3.import pandas
newstotal = [{}]
df = pandas.DataFrame(newstotal)

4.import openpyxl
# 导入excel文件
df.to_excel(‘gzccnews.xlsx‘)

5.print(df[[‘title‘,‘clickCount‘,‘source‘]][:6])
print(df[(df[‘clickCount‘]>3000)&(df[‘source‘]==‘学校综合办‘)])
sou = [‘国际学院‘,‘学生工作处‘]
print(df[df[‘source‘].isin(sou)])
dftime = df.set_index(‘time‘)
print(dftime[‘2018-03‘])

6.import sqlite3

with sqlite3.connect("gzccdb.sqlite") as db:
    df1.to_sql(‘gzccdb01‘,con=db,if_exists=‘replace‘)

with sqlite3.connect("gzccdb.sqlite") as db:
    df2 = pandas.read_sql_query("select *from gzccdb01",con=db)
print("df2: \n",df2)

7.import pymysql
from sqlalchemy import create_engine
coon = create_engine(‘mysql+pymysql://root:root@localhost:3306/gzccnews?charset=utf8‘)
pandas.io.sql.to_sql(df3,"gzccnews",con=coon,if_exists=‘replace‘)

  

  

数据结构化与保存

标签:class   学生   news   etc   str   sqli   ==   query   --   

原文地址:https://www.cnblogs.com/xiaozheng303/p/8877277.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!